基于LSTM的慢性阻塞性肺疾病氧减状态预测方法技术

本发明专利技术公开了一种基于LSTM的慢性阻塞性肺疾病氧减状态预测方法，包括以下步骤：首先处理数据，提取血脉氧数据的窗口特征和梯度特征作为新的特征值；然后，整合原始数据标签值，生成新的唯一标签值，然后将新的标签值加入数据中从而生成最终数据；接着，使用LSTM网络结构对训练数据进行训练，获得可用于准确预测的模型；最后，将预测结果通过滤波算法进行处理，得到较为平滑和可靠的预测结果。该方法的意义在于：第一，有效地提取和整合了与氧减状态相关的特征；第二，训练出的模型具有较高的预测准确率和运行速度；第三，模型的训练速度较快；第四，氧减状态的准确判断对于进一步诊断慢性阻塞性肺疾病具有重要意义。

LSTM based prediction method of hypoxic state in COPD

【技术实现步骤摘要】
基于LSTM的慢性阻塞性肺疾病氧减状态预测方法
本专利技术涉及计算机技术在慢性阻塞性肺疾病预测领域，具体来说是一种基于LSTM的慢性阻塞性肺疾病氧减状态预测方法。
技术介绍
慢性阻塞性肺疾病(chronicobstructivepulmonarydisease，COPD)简称慢阻肺，是呼吸系统常见病、多发病，通常呈进行性、不完全可逆性发展，最终导致慢性呼吸衰竭。持续存在的气流受限是慢阻肺的标志性症状，吸入支气管舒张剂后，肺功能无明显改善，即可诊断为慢性阻塞性肺疾病患者。慢性阻塞性肺疾病发病原因与长期吸烟、职业粉尘和化学物质吸入、室内空气污染及生物燃料使用和反复呼吸道感染有关。近年来，慢性阻塞性肺疾病患病率和死亡率日渐升高，其在全球人群死亡因素中排名前列，根据相关科学统计，慢性阻塞性肺疾病病死率还会呈上升趋势。慢性阻塞性肺疾病因高患病率、死亡率而倍受医学界关注。慢性阻塞性肺疾病的症状主要有：慢性咳嗽、咳痰、气短或呼吸困难、喘息和胸闷等其他特征，主要体征有：视诊时胸廓前后径增大，肋间隙增宽，剑突下胸骨下角增宽，部分患者呼吸变浅，频率增快，严本文档来自技高网...

【技术保护点】
1.一种基于LSTM的慢性阻塞性肺疾病氧减状态预测方法，其特征在于，包括以下步骤：/n第一阶段：对原始数据进行处理，提取血脉氧数据的窗口特征和梯度特征作为新的特征值，同时对于原始数据中的冗余特征进行整合，生成用于标识是否处于氧减状态的唯一标签；/n第二阶段：基于LSTM模型对慢性阻塞性肺疾病氧减状态进行预测，并通过自定义滤波算法对预测结果进行过滤。/n

【技术特征摘要】
1.一种基于LSTM的慢性阻塞性肺疾病氧减状态预测方法，其特征在于，包括以下步骤：
第一阶段：对原始数据进行处理，提取血脉氧数据的窗口特征和梯度特征作为新的特征值，同时对于原始数据中的冗余特征进行整合，生成用于标识是否处于氧减状态的唯一标签；
第二阶段：基于LSTM模型对慢性阻塞性肺疾病氧减状态进行预测，并通过自定义滤波算法对预测结果进行过滤。


2.根据权利要求1所述的基于LSTM的慢性阻塞性肺疾病氧减状态预测方法，其第一阶段的步骤如下：
步骤1.1：获取原始特征及标签值，通过医学专家数据库整理出初步的数据集；
步骤1.2：在原始特征的基础上，运用滑动窗口技术为每个时间点上的血脉氧数据提取窗口特征，再计算每个时刻血脉氧数据的变化幅度作为梯度特征，将上述两种特征加入初步数据中，构成新的数据；
步骤1.3：将步骤1.2中形成的新数据中的冗余标签进行整合，生成新的唯一标签值，然后将新的标签值加入数据中从而生成最终的数据集，并在此数据集基础上划分训练集和测试集。


3.根据权利要求1所述的基于LSTM的慢性阻塞性肺疾病氧减状态预测方法，其第二阶段步骤如下：
步骤2.1：使用LSTM网络结构对训练集进行训练，获得可用于预测的模型，...

【专利技术属性】
技术研发人员：於东军，胡明昕，
申请(专利权)人：南京理工大学，
类型：发明
国别省市：江苏;32